Предсказание вида и тяжести афазии методами машинного обучения

Афазия – это расстройство речи, возникающее в результате травм мозга, причиной которых часто становится инсульт. Широкий спектр типов и степеней тяжести афазии затрудняет ее точный диагноз и лечение. В этой статье мы предлагаем подход к определению типа и тяжести афазии методами машинного и глубинного обучения в приложении к данным, полученным при помощи МРТ (магнитно-резонансной томографии) мозга. Основная цель этого исследования – разработка алгоритмов, способных с высокой точностью определять тип и тяжесть афазии. Исследование включает в себя обучение нескольких алгоритмов машинного и глубинного обучения для задач классификации, регрессии и генерации синтетических данных с целью борьбы с несбалансированностью данных. Мы добились значения метрики ROC-AUC в 66% для классификации типа афазии и 63% для предсказания тяжести. При помощи аугментации данных мы смогли повысить ROC-AUC для классификации типа афазии до 71%. Результаты этого исследования обладают значительным потенциалом в области диагностики и реабилитации афазии.